【技术实现步骤摘要】
本专利技术涉及阵列天线领域，具体而言，涉及一种基于特征提取的阵列天线低复杂度实时波束赋形方法。
技术介绍
1、在5g通信系统中，为了提高通信质量、容量和覆盖范围，通常使用波束赋形技术来将信号集中在特定区域和用户上。如果用户移动到另一个位置，则需要快速切换到新的波束方向来保持信号的传输效率和可靠性。此外，在现代战争的电子对抗中，波束赋形技术可以增强电子系统的抗干扰能力，提高系统的性能和可靠性。快速调整赋形方向图有助于及时地抵御敌方的干扰，从而提高战场作战效果。因此，实时波束赋形技术在通信及电子战领域受到了密切关注。
2、迄今为止，学术界提出了多种快速波束赋形方法用来综合阵列天线方向图，其中包括一些解析类的方法例如：切比雪夫综合法、泰勒综合法、伍德沃德综合法等。上述方法虽然求解效率极高，但是适用范围较窄，无法实现复杂非均匀阵列的快速波束赋形。而为了实现任意阵列方向图的波束赋形，随机优化类算法如：遗传算法、粒子群算法等，数学规划类算法如：二次规划、半定规划等，以及矩阵束法，迭代傅里叶变换法等被提出。这些方法虽然在求解赋形方向图的通用性上得到了大大提高，但是效率仍无法达到实时的需求。
3、机器学习作为上世纪中期兴起的一门以研究如何实现计算机模拟人类学习活动为目标的学科，其具有拟合复杂非线性函数以及强大的泛化能力，使得该方法被广泛应用在语音识别、图像处理、推荐算法、智能医疗等领域。在阵列天线波束赋形的研究中，能够利用神经网络拟合非线性函数的能力，通过正确的数据集去训练神经网络模型，再辅以一些方法提高神经网络模型的泛
4、中国专利201710657351.3公开了一种基于粒子群优化算法的多波束卫星阵列天线方向图综合方法。该方法采用启发式算法粒子群优化算法，通过将阵元幅值和相位的求解模拟为自然界中鸟群对食物的搜索过程。设定初始种群数，粒子数目以及迭代次数最终得到优良的平顶波束和余割平方波束，仅迭代300次即可收敛到最优解。该方法虽然提高了粒子群算法优化赋形方向图的收敛速度，但是效率上仍无法达到实时波束赋形。
5、中国专利202111382528.6公开了一种基于深度学习的平面阵列天线辐射方向图综合方法。该方法利用正向解析法计算方向图样本集，以方向图和方向图特征标签作为神经网络输入数据，阵列单元的激励分布作为输出，训练端到端的深度卷积神经网络结构参数，最终获得效果较好的卷积神经网络。该方法可以快速求解出目标方向图的激励分布。但是，正向解析法来求解数据集的具有一定的局限性，导致训练的深度卷积神经网络无法预测复杂赋形方向图的激励分布。
6、中国专利201610817682.4公开了一种基于神经网络算法的阵列天线方向图综合方法。该方法利用多组理想的方向图样本数据训练径向基神经网络,使用波达角的快照和阵元的最优权系数值作为输入输出数据。经过训练的径向基神经网络在输入不同角的波达角时,天线阵系统可自适应的生成方向图。该方法虽然可以根据波达方向快速生成阵列权值，且能够产生低电平零陷，但是仅适用于预测聚焦波束的阵列权值，无法适用于复杂赋形方向图的阵列权值预测。
7、中国专利202310202063.4公开了一种基于广义回归神经网络的大规模共形阵实时波束综合方法。该方法利用凸优化算法来获取共形阵特定角度下的幅度分布作为样本库来训练广义回归神经网络。通过输入期望副瓣电平和波束指向来预测阵元幅度。该方法虽然可以实时预测共形阵列聚焦波束方向图，但是仅可预测激励幅度，无法预测激励相位，难以实现复杂赋形方向图实时预测。
8、为了解决上述
技术介绍
面临的技术问题，本专利技术提出一种基于特征提取的阵列天线低复杂度实时波束赋形方法。
技术实现思路
1、针对上述问题，本专利技术的目的在于提出一种基于特征提取的阵列天线低复杂度实时波束赋形方法。该方法适用于任意布局的阵列，可以根据目标期望功率方向图轮廓实时预测阵列的激励分布。
2、为了实现上述技术目的，本专利技术包括以下步骤：
3、步骤1：基准数据集的收集和整理
4、依据任意给定的阵列几何，采用轮廓投影法综合对于不同主瓣波形及辐射性能指标的期望功率方向图轮廓的特征激励分布。使用轮廓投影法综合得到的特征激励分布作为初解，采用交替投影算法综合得到具有不同主瓣波形及辐射性能指标的期望功率方向图轮廓所对应的精确激励分布。收集并整理上述方法获取的特征激励及精确激励分布，构建基准数据集。
5、步骤2：构建机器学习模型并进行训练
6、构建一个神经网络模型，其中输入数据为不同主瓣波形及辐射性能指标的期望功率方向图轮廓所对应的特征激励分布，输出数据为不同主瓣波形及辐射性能指标的期望功率方向图轮廓所对应的精确激励分布。使用反向传播算法来训练网络，获取神经网络的结构参数。
7、步骤3：根据训练好的机器学习模型进行激励预测
8、将目标主瓣波形及期望功率方向图轮廓所对应的特征激励分布输入到训练好的神经网络中，可以实时获取对应阵列单元的精确激励分布。
9、与现有的技术相比，本专利技术的有益效果在于：适用于任意给定的阵列几何。提出采用轮廓投影法来对期望功率方向图轮廓进行特征提取，将高维的方向图采样数据转化为低维的特征激励数据，降低训练数据的高维复杂的非线性特征。使用提取得到的特征激励来预测期望功率方向图所对应的精确激励，从而近一步弱化所需网络的深度，提高预测准确性与实时性，实现低复杂度的实时波束赋形。
本文档来自技高网...【技术保护点】
1.一种基于特征提取的阵列天线低复杂度实时波束赋形方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种基于特征提取的阵列天线低复杂度实时波束赋形技术，其特征在于该方法可以根据目标期望功率方向图轮廓来实时预测获取阵列激励分布。
3.根据权利要求1所述的一种基于特征提取的阵列天线低复杂度实时波束赋形技术，其特征在于提出轮廓投影法来对期望功率方向图轮廓进行特征提取，降低了训练数据的复杂非线性特征，其公式表达如下：
4.根据权利要求1所述的一种基于特征提取的阵列天线低复杂度实时波束赋形技术，其特征在于利用交替投影算法来获取期望功率方向图的精确激励分布，提高数据集获取效率，交替投影法的迭代公式可表示如下：
【技术特征摘要】
1.一种基于特征提取的阵列天线低复杂度实时波束赋形方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种基于特征提取的阵列天线低复杂度实时波束赋形技术，其特征在于该方法可以根据目标期望功率方向图轮廓来实时预测获取阵列激励分布。
3.根据权利要求1所述的一种基于特征提取的阵列天线低复杂度实时波束...
【专利技术属性】
技术研发人员：刘颜回，张宁，陈礼阳，杨仕文，胡俊，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。